【摘要】：針對云計算環(huán)境下的任務調(diào)度優(yōu)化問題和傳統(tǒng)離散粒子群優(yōu)化(DPSO)算法早熟、精度低等缺點,提出了一種適合云計算環(huán)境下動態(tài)調(diào)整慣性權(quán)重因子的方法,并給出了云計算環(huán)境下改進后的離散粒子群優(yōu)化算法.該算法能快速確定合適的并行任務分配方案,使其達到調(diào)度長度最短的優(yōu)化目標.仿真結(jié)果表明:文中改進的DPSO算法的收斂性、前期全局搜索和后期局部探索性能均優(yōu)于傳統(tǒng)的DPSO算法和遺傳算法;在任務數(shù)較大的情況下,采用改進DPSO算法的并行任務調(diào)度算法的調(diào)度長度明顯優(yōu)于采用傳統(tǒng)DPSO算法和遺傳算法的并行任務調(diào)度算法.
[Abstract]:Aiming at the problems of task scheduling optimization in cloud computing environment and traditional discrete particle swarm optimization (DPSO) algorithm, such as premature and low precision, a method for dynamically adjusting inertia weight factor in cloud computing environment is proposed. An improved discrete particle swarm optimization algorithm in cloud computing environment is presented. The algorithm can quickly determine the appropriate parallel task allocation scheme and achieve the optimal goal of the shortest scheduling length. Simulation results show that the convergence, global search and local exploration performance of the improved DPSO algorithm are better than those of the traditional DPSO algorithm and genetic algorithm. When the number of tasks is large, the scheduling length of parallel task scheduling algorithm using improved DPSO algorithm is obviously better than that of traditional DPSO algorithm and genetic algorithm.
【作者單位】： 江南大學物聯(lián)網(wǎng)工程學院;
【基金】：國家留學基金委資助項目(201308320030) 江蘇省自然科學基金資助項目(BK20140165)~~
【分類號】：TP338.6;TP18

【參考文獻】

相關(guān)期刊論文 前1條

1 陳自郁;何中市;何靜媛;;一種求解集合組合問題的離散粒子群優(yōu)化模型[J];華南理工大學學報(自然科學版);2010年04期

【共引文獻】

相關(guān)期刊論文 前4條

1 魯江林;何中市;陳自郁;;一種求解動態(tài)背包問題的離散粒子群優(yōu)化算法[J];計算機科學;2012年09期

2 袁德平;史浩山;鄭娟毅;;用于多目標數(shù)據(jù)關(guān)聯(lián)的群智能混合算法[J];華南理工大學學報(自然科學版);2012年09期

3 姜焰鳴;劉桂雄;;形狀誤差粒子群算法智能評定的β分布統(tǒng)示法[J];華南理工大學學報(自然科學版);2012年12期

4 崔莉薇;石為人;劉祥明;吳文政;;基于遺傳粒子群算法的飛行沖突解脫[J];計算機工程與應用;2013年07期

相關(guān)博士學位論文 前1條

1 鄒修國;基于機器視覺的稻飛虱現(xiàn)場識別技術(shù)研究[D];南京農(nóng)業(yè)大學;2013年

相關(guān)碩士學位論文 前3條

1 崔莉薇;基于遺傳粒子群算法的多機飛行沖突解脫研究[D];重慶大學;2012年

2 仲珊麗;基于離子群優(yōu)化的集成學習方法在基因微陣列數(shù)據(jù)分類中的應用[D];西安電子科技大學;2013年

3 宋海燕;基于集成學習的不平衡數(shù)據(jù)分類[D];西安電子科技大學;2014年

【二級參考文獻】

相關(guān)期刊論文 前5條

1 張曉琴,黃玉清;基于禁忌搜索的啟發(fā)式求解背包問題算法[J];電子科技大學學報;2005年03期

2 潘全科;王文宏;朱劍英;;解決無等待流水車間調(diào)度問題的離散粒子群優(yōu)化算法[J];計算機集成制造系統(tǒng);2007年06期

3 高海兵;周馳;高亮;;廣義粒子群優(yōu)化模型[J];計算機學報;2005年12期

4 鐘一文;蔡榮英;;求解二次分配問題的離散粒子群優(yōu)化算法[J];自動化學報;2007年08期

5 劉建芹;賀毅朝;顧茜茜;;基于離散微粒群算法求解背包問題研究[J];計算機工程與設計;2007年13期

【相似文獻】

相關(guān)期刊論文 前1條

1 范會聯(lián);李獻禮;;基于近鄰關(guān)系求解TSP的離散PSO算法[J];計算機應用研究;2011年02期

，

本文編號：2409655